基于C-SVM的组合导航系统故障诊断算法
为了提高捷联惯性组合导航系统的可靠性,将聚类支持向量机(C-SVM)应用于故障诊断技术,基于SINS/DVL/MCP/TAN组合导航系统建立了C-SVM故障诊断模型,将SINS/MCP、SINS/TAN和SINS/DVL三个子滤波器的相关特征量(残差值和状态检测函数)作为样本对C-SVM进行训练,并应用交叉验证法选择参数组.根据训练好的C-SVM模型分别对三个传感器进行故障诊断,若发生故障则屏蔽相应传感器的输出信息,利用其余的传感器进行重构.仿真结果表明,C-SVM的故障诊断正确率较高,特别是当训练样本数有限的情况下也能够达到较好的性能,克服了传统的神经网络在训练样本数较少时推广性能不足的问题,因此是一种理想的故障诊断技术.
组合导航、故障诊断、支持向量机、聚类支持向量机
19
U666.1(船舶工程)
国家自然科学基金资助项目60904088;东南大学微惯性仪表与先进导航技术教育部重点实验室B类开放基金资助项目201008;陕西省电子信息系统综合集成重点实验室基金资助201101Y19
2011-08-16(万方平台首次上网日期,不代表论文的发表时间)
共4页
239-242